Fugu-MT 論文翻訳(概要): Deep Adversarial Learning with Activity-Based User Discrimination Task for Human Activity Recognition

論文の概要: Deep Adversarial Learning with Activity-Based User Discrimination Task for Human Activity Recognition

arxiv url: http://arxiv.org/abs/2410.12819v1
Date: Tue, 01 Oct 2024 11:58:33 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-20 10:10:17.136170
Title: Deep Adversarial Learning with Activity-Based User Discrimination Task for Human Activity Recognition
Title（参考訳）: 人的活動認識のための行動に基づくユーザ識別タスクによる深い対立学習
Authors: Francisco M. Calatrava-Nicolás, Oscar Martinez Mozos,
Abstract要約: 本稿では,人間行動認識問題に対する新たな逆深層学習フレームワークを提案する。本フレームワークは,個人間の変動に対処する,行動に基づく新たな識別タスクを取り入れている。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We present a new adversarial deep learning framework for the problem of human activity recognition (HAR) using inertial sensors worn by people. Our framework incorporates a novel adversarial activity-based discrimination task that addresses inter-person variability-i.e., the fact that different people perform the same activity in different ways. Overall, our proposed framework outperforms previous approaches on three HAR datasets using a leave-one-(person)-out cross-validation (LOOCV) benchmark. Additional results demonstrate that our discrimination task yields better classification results compared to previous tasks within the same adversarial framework.
Abstract（参考訳）: 本稿では,人体が装着する慣性センサを用いた人体活動認識(HAR)問題に対する新たな逆深層学習フレームワークを提案する。本フレームワークは,個人間の変動性,すなわち,異なる個人が異なる方法で同じ活動を行うという事実に対処する,新たな対人行動に基づく識別タスクを取り入れている。提案するフレームワークは,従来の3つのHARデータセットに対して,LOOCV(Left-one-(person)-out cross-validation)ベンチマークを用いて比較した。以上の結果から,我々の識別課題は,同一の逆数枠組みにおける従来のタスクと比較して,より優れた分類結果が得られることが示唆された。

関連論文リスト

Unsupervised Embedding Learning for Human Activity Recognition Using Wearable Sensor Data [2.398608007786179]
我々は,人間の活動が密接な位置にある埋め込み空間に投影する,教師なしの手法を提案する。 3つのラベル付きベンチマークデータセットの実験結果は、フレームワークの有効性を示している。
論文参考訳（メタデータ） (2023-07-21T08:52:47Z)
TASKED: Transformer-based Adversarial learning for human activity recognition using wearable sensors via Self-KnowledgE Distillation [6.458496335718508]
本稿では,TASKED(Self-KnowledgE Distillation)を用いたウェアラブルセンサを用いた,トランスフォーマーに基づく人間行動認識のための新しい逆学習フレームワークを提案する。提案手法では,教師なしの自己知識蒸留を採用し,訓練手順の安定性と人間の活動認識性能を向上させる。
論文参考訳（メタデータ） (2022-09-14T11:08:48Z)
Dual Contrastive Learning for General Face Forgery Detection [64.41970626226221]
本稿では,正と負のペアデータを構成するDCL (Dual Contrastive Learning) という新しい顔偽造検出フレームワークを提案する。本研究は, 事例内コントラスト学習(Intra-ICL)において, 偽造顔における局所的内容の不整合に焦点をあてる。
論文参考訳（メタデータ） (2021-12-27T05:44:40Z)
Unsupervised Domain Adaptive Person Re-Identification via Human Learning Imitation [67.52229938775294]
近年、研究者は、異なる人物の再識別データセット間のドメインギャップを減らすために、教師学生フレームワークを彼らの手法に活用することを提案している。近年の教員中心の枠組みに基づく手法に着想を得て,異なる側面から人間の学習過程を模倣するためのさらなる探究を提案する。
論文参考訳（メタデータ） (2021-11-28T01:14:29Z)
Modeling Discriminative Representations for Out-of-Domain Detection with Supervised Contrastive Learning [16.77134235390429]
OOD検出の主な課題は、識別的セマンティックな特徴を学習することである。クラス内分散を最小限に抑えるための教師付きコントラスト学習目標を提案する。我々は,サンプルの擬似多様なビューを得るために,対角的拡張機構を用いる。
論文参考訳（メタデータ） (2021-05-29T12:54:22Z)
Can Active Learning Preemptively Mitigate Fairness Issues? [66.84854430781097]
データセットバイアスは、機械学習における不公平な原因の1つです。不確実性に基づくALで訓練されたモデルが保護クラスの決定において公平であるかどうかを検討する。また,勾配反転(GRAD)やBALDなどのアルゴリズム的公正性手法の相互作用についても検討する。
論文参考訳（メタデータ） (2021-04-14T14:20:22Z)
Fully Unsupervised Person Re-identification viaSelective Contrastive Learning [58.5284246878277]
人物再識別(ReID)は、様々なカメラが捉えた画像の中から同一人物を検索することを目的としている。教師なし特徴学習のための新しい選択型コントラスト学習フレームワークを提案する。その結果,教師なしのReIDにおける手法の優位性について,最先端技術と比較した。
論文参考訳（メタデータ） (2020-10-15T09:09:23Z)
Attend And Discriminate: Beyond the State-of-the-Art for Human Activity Recognition using Wearable Sensors [22.786406177997172]
ウェアラブルは、人間の活動に対する理解を改善するための基本です。我々は、豊かで高度に差別化された活動表現を学ぶための新しい機会を精力的に探求する。我々の貢献は4つの多様な活動認識問題ベンチマークにおいて、最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2020-07-14T16:44:16Z)
Spectrum-Guided Adversarial Disparity Learning [52.293230153385124]
本稿では,新たなエンド・ツー・エンドの知識指向学習フレームワークを提案する。 2つの競合符号化分布を用いてクラス条件付きクラス内不一致を表現し、学習された不一致を識別することで精製された潜伏符号を学習する。 4つのHARベンチマークデータセットに対する実験により,提案手法の頑健性と,最先端の手法による一般化が実証された。
論文参考訳（メタデータ） (2020-07-14T05:46:27Z)
Towards Robust Fine-grained Recognition by Maximal Separation of Discriminative Features [72.72840552588134]
本研究は, 粒度認識ネットワークにおけるクラス間の潜伏表現の近接性を, 敵攻撃の成功の鍵となる要因として同定する。注意に基づく正規化機構を導入し、異なるクラスの識別潜在特徴を最大限に分離する。
論文参考訳（メタデータ） (2020-06-10T18:34:45Z)
Personalized Activity Recognition with Deep Triplet Embeddings [2.1320960069210475]
本稿では,完全畳み込み型ニューラルネットワークによる深層埋め込みに基づく個人化された活動認識手法を提案する。我々は,これらの手法を3つの一般公開された慣性人間活動認識データセット上で評価する。
論文参考訳（メタデータ） (2020-01-15T19:17:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。